Se realizó un control estadístico de calidad mediante gráficos de control para variables en una muestra de 5 mediciones diarias durante 20 días. Se calcularon las medias aritméticas por día y la media general. También se calcularon las desviaciones estándar por día y la desviación estándar promedio. Los gráficos de control muestran 2 puntos fuera de los límites superiores e inferiores para las medias, e indican variabilidad no aleatoria en las desviaciones estándar por la presencia de 14 puntos alternando
Este documento presenta el método simplex para resolver problemas de programación lineal. Explica conceptos clave como vector entrante, vector saliente y pivote. Incluye ejemplos numéricos resueltos paso a paso usando tablas simplex. El objetivo es maximizar o minimizar funciones sujetas a restricciones lineales, convirtiendo el problema a una forma canónica para aplicar el método simplex.
El documento presenta los conceptos y métodos del método simplex para resolver problemas de programación lineal, incluyendo la regla de Crammer, el método de Gauss-Jordan, y la técnica de la M. Se proveen ejemplos resueltos de problemas de maximización con múltiples restricciones.
Este documento presenta 10 ejercicios resueltos sobre el método simplex para resolver problemas de programación lineal. Explica conceptos clave como pivote, vector entrante y vector saliente. Cada ejercicio consiste en definir un objetivo de maximización o minimización sujeto a restricciones, expresarlo en forma estándar y canónica, y aplicar el método de Gauss-Jordan para encontrar la solución óptima.
Este documento presenta información sobre distribuciones de probabilidad normales y conceptos estadísticos básicos. Explica que la distribución normal es la más importante y que existen medidas de tendencia central como la media y medidas de dispersión como la varianza y desviación estándar. Luego proporciona ejemplos y ejercicios para calcular probabilidades utilizando tablas de distribución normal.
Media aritmética, desviación media, varianza y desviación estándarAraceli Garcia
La media aritmética de los datos es 1.46746667. La desviación media es 726.245288 y la varianza es 8.73910468, lo que indica una desviación estándar de 76.3719506. El documento proporciona detalles sobre cómo calcular estas medidas estadísticas básicas a partir de un conjunto de datos.
Media aritmética, desviación media, varianza yzooneerborre
Este documento explica cómo calcular la media aritmética, desviación media, varianza y desviación estándar de un conjunto de datos. La media aritmética se calcula sumando todos los valores y dividiendo por el número total de datos. La desviación media se calcula como la diferencia entre cada valor y la media, multiplicada por su frecuencia y dividida entre el número total de datos. La varianza se calcula como la suma del cuadrado de las diferencias entre cada valor y la media, multiplicadas por su frecuencia y dividida entre el número total de datos. Finalmente, la desviación está
METODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONESJuanMiguelCustodioMo
1. El documento presenta la resolución de varios problemas de programación lineal y sus duales. Se convierten los problemas a su forma estándar y se resuelven usando el método simplex. Se obtienen las soluciones óptimas de los problemas primal y dual.
2. Se pide estimar el intervalo del valor objetivo óptimo para dos problemas de PL presentados.
3. En uno de los ejemplos, la solución dual no es factible a pesar de que z=w, por lo que la solución primal es la óptima.
El documento presenta 8 problemas resueltos sobre flujo gradualmente variado y el método de tramos fijos. El Problema 1 calcula la altura de remanso a 500 m aguas arriba de una sección dada. El Problema 2 calcula la longitud requerida para revestir una rápida en un canal. El Problema 3 analiza el flujo a través de una compuerta en un canal rectangular.
Este documento presenta el método simplex para resolver problemas de programación lineal. Explica conceptos clave como vector entrante, vector saliente y pivote. Incluye ejemplos numéricos resueltos paso a paso usando tablas simplex. El objetivo es maximizar o minimizar funciones sujetas a restricciones lineales, convirtiendo el problema a una forma canónica para aplicar el método simplex.
El documento presenta los conceptos y métodos del método simplex para resolver problemas de programación lineal, incluyendo la regla de Crammer, el método de Gauss-Jordan, y la técnica de la M. Se proveen ejemplos resueltos de problemas de maximización con múltiples restricciones.
Este documento presenta 10 ejercicios resueltos sobre el método simplex para resolver problemas de programación lineal. Explica conceptos clave como pivote, vector entrante y vector saliente. Cada ejercicio consiste en definir un objetivo de maximización o minimización sujeto a restricciones, expresarlo en forma estándar y canónica, y aplicar el método de Gauss-Jordan para encontrar la solución óptima.
Este documento presenta información sobre distribuciones de probabilidad normales y conceptos estadísticos básicos. Explica que la distribución normal es la más importante y que existen medidas de tendencia central como la media y medidas de dispersión como la varianza y desviación estándar. Luego proporciona ejemplos y ejercicios para calcular probabilidades utilizando tablas de distribución normal.
Media aritmética, desviación media, varianza y desviación estándarAraceli Garcia
La media aritmética de los datos es 1.46746667. La desviación media es 726.245288 y la varianza es 8.73910468, lo que indica una desviación estándar de 76.3719506. El documento proporciona detalles sobre cómo calcular estas medidas estadísticas básicas a partir de un conjunto de datos.
Media aritmética, desviación media, varianza yzooneerborre
Este documento explica cómo calcular la media aritmética, desviación media, varianza y desviación estándar de un conjunto de datos. La media aritmética se calcula sumando todos los valores y dividiendo por el número total de datos. La desviación media se calcula como la diferencia entre cada valor y la media, multiplicada por su frecuencia y dividida entre el número total de datos. La varianza se calcula como la suma del cuadrado de las diferencias entre cada valor y la media, multiplicadas por su frecuencia y dividida entre el número total de datos. Finalmente, la desviación está
METODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONESJuanMiguelCustodioMo
1. El documento presenta la resolución de varios problemas de programación lineal y sus duales. Se convierten los problemas a su forma estándar y se resuelven usando el método simplex. Se obtienen las soluciones óptimas de los problemas primal y dual.
2. Se pide estimar el intervalo del valor objetivo óptimo para dos problemas de PL presentados.
3. En uno de los ejemplos, la solución dual no es factible a pesar de que z=w, por lo que la solución primal es la óptima.
El documento presenta 8 problemas resueltos sobre flujo gradualmente variado y el método de tramos fijos. El Problema 1 calcula la altura de remanso a 500 m aguas arriba de una sección dada. El Problema 2 calcula la longitud requerida para revestir una rápida en un canal. El Problema 3 analiza el flujo a través de una compuerta en un canal rectangular.
Este documento describe la distribución normal y su curva en forma de campana. Explica que la distribución normal está caracterizada por su media y desviación estándar. También cubre cómo tipificar una distribución normal para convertirla a una distribución normal estándar con media 0 y desviación estándar 1. Incluye ejemplos de cómo calcular probabilidades usando tablas de la distribución normal estándar.
Este documento describe dos métodos para resolver problemas de programación lineal con restricciones de igualdad y desigualdad: 1) el método de penalización, el cual asigna un alto costo a las variables artificiales para eliminarlas de la base, y 2) el método de doble fase, el cual resuelve el problema en dos fases, primero minimizando las variables artificiales y luego optimizando la función objetivo original. Ambos métodos generan una solución básica inicial usando variables artificiales y luego las eliminan para encontrar la solución óptima.
El documento explica los pasos del método de Simplex para resolver problemas de programación lineal, incluyendo la construcción de la matriz inicial, la selección de la columna y fila pivote, y las iteraciones para optimizar la función objetivo sujeto a restricciones. Se provee un ejemplo numérico para maximizar y minimizar funciones objetivo.
Solución de problemas en programación linealARLO SOLIS
El documento presenta dos ejercicios de programación lineal que deben resolverse utilizando los métodos de la gran M y de las dos fases. Se pide aplicar ambos métodos paso a paso para cada ejercicio, comparar los resultados y utilizar software de programación lineal. Finalmente, se solicita guardar los ejercicios resueltos y enviarlos para recibir retroalimentación.
El documento explica cómo aplicar el método simplex para resolver problemas de optimización lineal. Describe los pasos para convertir las restricciones en un sistema de ecuaciones, agregar variables holgura, e igualar la función objetivo a cero. Luego muestra cómo construir la tabla simplex inicial y realizar iteraciones para encontrar la solución óptima mediante la selección de filas y columnas pivote. Finalmente, presenta un caso numérico completo para ilustrar el proceso de resolución utilizando el método simplex.
Este documento presenta diferentes medidas de dispersión o variación de datos estadísticos, incluyendo el rango, la desviación media, y la desviación típica. Explica cómo calcular cada medida y ofrece ejemplos numéricos. También describe propiedades como que el 68.27%, 95.45% y 99.73% de los casos suelen estar dentro de 1, 2 y 3 desviaciones típicas de la media respectivamente.
Este documento presenta los pasos para resolver un problema de programación lineal utilizando el método simplex. Comienza describiendo problemas de programación lineal con 2 variables y luego introduce el método simplex para problemas con más variables. A continuación, aplica el método simplex a un problema específico de maximización con 3 variables de decisión y 3 restricciones, realizando 3 iteraciones hasta llegar a la solución óptima de 33 unidades para la función objetivo.
El documento explica el método simplex para resolver problemas de programación lineal. El método simplex es un procedimiento algebraico para encontrar la solución óptima de un modelo de PL mediante la conversión del modelo a una forma estándar y la exploración sistemática de las soluciones básicas factibles hasta encontrar la que optimice la función objetivo.
El documento explica el método simplex dual para resolver problemas de programación lineal. El método simplex dual es similar al método simplex regular, excepto en cómo se eligen las variables que entran y salen de la base y el criterio para detener el algoritmo. El método simplex dual mantiene coeficientes no negativos y reduce el valor de la función objetivo hasta que todas las variables sean no negativas. Luego, provee un ejemplo numérico para ilustrar los pasos del método.
El documento describe el proceso de resolución de problemas de investigación de operaciones en 8 etapas: 1) conocer el sistema, 2) identificar y plantear el problema, 3) construir un modelo matemático, 4) generar una solución, 5) probar y evaluar la solución, 6) implementar el modelo, 7) evaluar el modelo, y 8) realizar un seguimiento. A continuación, se presentan 2 ejercicios resueltos usando programación lineal con métodos gráficos, Simplex y de dos fases para maximizar utilidades sujeto a restric
El documento presenta el análisis de un reticulado plano utilizando los métodos del corte y de los nudos. Se define un reticulado, se clasifican sus tipos y se explican los supuestos y métodos de análisis. Luego, se muestra un ejemplo de reticulado dodecagonal y su solución paso a paso para hallar las reacciones en los apoyos y las fuerzas internas en cada barra.
El documento resume los principales conceptos y pasos del método simplex para resolver problemas de programación lineal. Explica cómo se formula el modelo matemático incluyendo variables, restricciones y función objetivo, y cómo el método simplex itera entre soluciones básicas factibles hasta encontrar la solución óptima maximizando o minimizando la función objetivo.
2.3. procedimiento para resolver problemasRodia Bravo
Este documento describe el método M para resolver problemas de programación lineal con variables artificiales. El método M agrega variables artificiales a las ecuaciones que no tienen holguras y penaliza estas variables en la función objetivo usando un valor M grande. Esto genera una solución básica inicial que luego se mejora a través de iteraciones del método simplex hasta eliminar las variables artificiales.
El Método Simplex es un método iterativo para resolver problemas de programación lineal mediante la transformación de restricciones de desigualdad a igualdad a través de variables de holgura y exceso. Comienza con una solución factible y mejora la función objetivo en cada paso moviéndose de un vértice a otro adyacente del poliedro de soluciones hasta alcanzar la solución óptima.
Este documento presenta varios ejercicios de estadística y probabilidad. En el primer ejercicio, se pide calcular estadísticos como el rango, la media, la mediana y la moda para un conjunto de datos de pesos de tanques de petróleo. En el segundo ejercicio, se construye una tabla de distribución de frecuencias y un histograma a partir de los pesos de empleados. En el tercer ejercicio, se calculan estadísticos como la moda, mediana y media, así como el rango y varianza para otra tabla de
Este documento explica los gráficos de control, herramientas estadísticas utilizadas para detectar variaciones en la calidad de un producto durante un proceso de fabricación. Identifican causas de variación asignables que deben eliminarse. Un gráfico de control muestra límites superiores e inferiores que determinan si un proceso está bajo o fuera de control. El documento también describe cómo construir gráficos de control X-R para variables continuas y un ejemplo ilustrativo.
Soluciones de los ejercicios por correlación de pearsonalbertoperozo123
[1] El documento presenta los resultados del cálculo del coeficiente de correlación de Pearson entre variables X e Y en dos ejercicios. [2] En ambos ejercicios se calcula r de Pearson usando puntuaciones directas, diferenciales y estandarizadas. [3] Los resultados muestran una fuerte correlación lineal positiva entre las variables en ambos ejercicios.
Este documento presenta varios ejercicios sobre variables unidimensionales. Incluye ejercicios para construir tablas de frecuencias, calcular medidas de tendencia central y dispersión, y representar gráficamente distribuciones de datos. Los ejercicios cubren temas como pesos de recién nacidos, variables estadísticas discretas, retrasos en el trabajo y temperaturas en el interior de la Tierra.
Este documento presenta varios ejercicios sobre variables unidimensionales. Incluye ejercicios para construir tablas de frecuencias, calcular medidas de tendencia central y dispersión, y representar gráficamente distribuciones de datos. Los ejercicios cubren temas como pesos de recién nacidos, variables estadísticas discretas, retrasos en el trabajo y temperaturas en el interior de la Tierra.
El documento presenta dos tareas relacionadas con el análisis estadístico de datos. La primera tarea involucra el análisis descriptivo de calificaciones de estudiantes, incluyendo el cálculo de medidas como promedio, moda y desviación estándar. La segunda tarea implica el desarrollo de un modelo de regresión para predecir la talla de recién nacidos en función de variables como edad, talla y peso al nacer. Se pide validar el modelo y sacar conclusiones.
Este documento trata sobre programación cuadrática y describe varios conceptos matemáticos como ecuaciones de circunferencias, elipses, hipérbolas y parábolas. Explica cómo reconocer cada curva a partir de su ecuación y presenta ejemplos resueltos de minimización y maximización de funciones cuadráticas sujetas a restricciones lineales. Finalmente, incluye seis ejercicios resueltos que ilustran cómo aplicar estos conceptos para encontrar los valores óptimos de variables.
Este documento describe la distribución normal y su curva en forma de campana. Explica que la distribución normal está caracterizada por su media y desviación estándar. También cubre cómo tipificar una distribución normal para convertirla a una distribución normal estándar con media 0 y desviación estándar 1. Incluye ejemplos de cómo calcular probabilidades usando tablas de la distribución normal estándar.
Este documento describe dos métodos para resolver problemas de programación lineal con restricciones de igualdad y desigualdad: 1) el método de penalización, el cual asigna un alto costo a las variables artificiales para eliminarlas de la base, y 2) el método de doble fase, el cual resuelve el problema en dos fases, primero minimizando las variables artificiales y luego optimizando la función objetivo original. Ambos métodos generan una solución básica inicial usando variables artificiales y luego las eliminan para encontrar la solución óptima.
El documento explica los pasos del método de Simplex para resolver problemas de programación lineal, incluyendo la construcción de la matriz inicial, la selección de la columna y fila pivote, y las iteraciones para optimizar la función objetivo sujeto a restricciones. Se provee un ejemplo numérico para maximizar y minimizar funciones objetivo.
Solución de problemas en programación linealARLO SOLIS
El documento presenta dos ejercicios de programación lineal que deben resolverse utilizando los métodos de la gran M y de las dos fases. Se pide aplicar ambos métodos paso a paso para cada ejercicio, comparar los resultados y utilizar software de programación lineal. Finalmente, se solicita guardar los ejercicios resueltos y enviarlos para recibir retroalimentación.
El documento explica cómo aplicar el método simplex para resolver problemas de optimización lineal. Describe los pasos para convertir las restricciones en un sistema de ecuaciones, agregar variables holgura, e igualar la función objetivo a cero. Luego muestra cómo construir la tabla simplex inicial y realizar iteraciones para encontrar la solución óptima mediante la selección de filas y columnas pivote. Finalmente, presenta un caso numérico completo para ilustrar el proceso de resolución utilizando el método simplex.
Este documento presenta diferentes medidas de dispersión o variación de datos estadísticos, incluyendo el rango, la desviación media, y la desviación típica. Explica cómo calcular cada medida y ofrece ejemplos numéricos. También describe propiedades como que el 68.27%, 95.45% y 99.73% de los casos suelen estar dentro de 1, 2 y 3 desviaciones típicas de la media respectivamente.
Este documento presenta los pasos para resolver un problema de programación lineal utilizando el método simplex. Comienza describiendo problemas de programación lineal con 2 variables y luego introduce el método simplex para problemas con más variables. A continuación, aplica el método simplex a un problema específico de maximización con 3 variables de decisión y 3 restricciones, realizando 3 iteraciones hasta llegar a la solución óptima de 33 unidades para la función objetivo.
El documento explica el método simplex para resolver problemas de programación lineal. El método simplex es un procedimiento algebraico para encontrar la solución óptima de un modelo de PL mediante la conversión del modelo a una forma estándar y la exploración sistemática de las soluciones básicas factibles hasta encontrar la que optimice la función objetivo.
El documento explica el método simplex dual para resolver problemas de programación lineal. El método simplex dual es similar al método simplex regular, excepto en cómo se eligen las variables que entran y salen de la base y el criterio para detener el algoritmo. El método simplex dual mantiene coeficientes no negativos y reduce el valor de la función objetivo hasta que todas las variables sean no negativas. Luego, provee un ejemplo numérico para ilustrar los pasos del método.
El documento describe el proceso de resolución de problemas de investigación de operaciones en 8 etapas: 1) conocer el sistema, 2) identificar y plantear el problema, 3) construir un modelo matemático, 4) generar una solución, 5) probar y evaluar la solución, 6) implementar el modelo, 7) evaluar el modelo, y 8) realizar un seguimiento. A continuación, se presentan 2 ejercicios resueltos usando programación lineal con métodos gráficos, Simplex y de dos fases para maximizar utilidades sujeto a restric
El documento presenta el análisis de un reticulado plano utilizando los métodos del corte y de los nudos. Se define un reticulado, se clasifican sus tipos y se explican los supuestos y métodos de análisis. Luego, se muestra un ejemplo de reticulado dodecagonal y su solución paso a paso para hallar las reacciones en los apoyos y las fuerzas internas en cada barra.
El documento resume los principales conceptos y pasos del método simplex para resolver problemas de programación lineal. Explica cómo se formula el modelo matemático incluyendo variables, restricciones y función objetivo, y cómo el método simplex itera entre soluciones básicas factibles hasta encontrar la solución óptima maximizando o minimizando la función objetivo.
2.3. procedimiento para resolver problemasRodia Bravo
Este documento describe el método M para resolver problemas de programación lineal con variables artificiales. El método M agrega variables artificiales a las ecuaciones que no tienen holguras y penaliza estas variables en la función objetivo usando un valor M grande. Esto genera una solución básica inicial que luego se mejora a través de iteraciones del método simplex hasta eliminar las variables artificiales.
El Método Simplex es un método iterativo para resolver problemas de programación lineal mediante la transformación de restricciones de desigualdad a igualdad a través de variables de holgura y exceso. Comienza con una solución factible y mejora la función objetivo en cada paso moviéndose de un vértice a otro adyacente del poliedro de soluciones hasta alcanzar la solución óptima.
Este documento presenta varios ejercicios de estadística y probabilidad. En el primer ejercicio, se pide calcular estadísticos como el rango, la media, la mediana y la moda para un conjunto de datos de pesos de tanques de petróleo. En el segundo ejercicio, se construye una tabla de distribución de frecuencias y un histograma a partir de los pesos de empleados. En el tercer ejercicio, se calculan estadísticos como la moda, mediana y media, así como el rango y varianza para otra tabla de
Este documento explica los gráficos de control, herramientas estadísticas utilizadas para detectar variaciones en la calidad de un producto durante un proceso de fabricación. Identifican causas de variación asignables que deben eliminarse. Un gráfico de control muestra límites superiores e inferiores que determinan si un proceso está bajo o fuera de control. El documento también describe cómo construir gráficos de control X-R para variables continuas y un ejemplo ilustrativo.
Soluciones de los ejercicios por correlación de pearsonalbertoperozo123
[1] El documento presenta los resultados del cálculo del coeficiente de correlación de Pearson entre variables X e Y en dos ejercicios. [2] En ambos ejercicios se calcula r de Pearson usando puntuaciones directas, diferenciales y estandarizadas. [3] Los resultados muestran una fuerte correlación lineal positiva entre las variables en ambos ejercicios.
Este documento presenta varios ejercicios sobre variables unidimensionales. Incluye ejercicios para construir tablas de frecuencias, calcular medidas de tendencia central y dispersión, y representar gráficamente distribuciones de datos. Los ejercicios cubren temas como pesos de recién nacidos, variables estadísticas discretas, retrasos en el trabajo y temperaturas en el interior de la Tierra.
Este documento presenta varios ejercicios sobre variables unidimensionales. Incluye ejercicios para construir tablas de frecuencias, calcular medidas de tendencia central y dispersión, y representar gráficamente distribuciones de datos. Los ejercicios cubren temas como pesos de recién nacidos, variables estadísticas discretas, retrasos en el trabajo y temperaturas en el interior de la Tierra.
El documento presenta dos tareas relacionadas con el análisis estadístico de datos. La primera tarea involucra el análisis descriptivo de calificaciones de estudiantes, incluyendo el cálculo de medidas como promedio, moda y desviación estándar. La segunda tarea implica el desarrollo de un modelo de regresión para predecir la talla de recién nacidos en función de variables como edad, talla y peso al nacer. Se pide validar el modelo y sacar conclusiones.
Este documento trata sobre programación cuadrática y describe varios conceptos matemáticos como ecuaciones de circunferencias, elipses, hipérbolas y parábolas. Explica cómo reconocer cada curva a partir de su ecuación y presenta ejemplos resueltos de minimización y maximización de funciones cuadráticas sujetas a restricciones lineales. Finalmente, incluye seis ejercicios resueltos que ilustran cómo aplicar estos conceptos para encontrar los valores óptimos de variables.
Este documento trata sobre programación cuadrática y describe varios conceptos matemáticos como ecuaciones de circunferencias, elipses, hipérbolas y parábolas. Explica cómo reconocer cada curva a partir de su ecuación y resuelve seis ejercicios de minimización o maximización de funciones cuadráticas sujetas a restricciones lineales, encontrando en cada caso los valores óptimos de las variables.
Este documento trata sobre programación cuadrática y describe varios conceptos matemáticos como ecuaciones de circunferencias, elipses, hipérbolas y parábolas. Explica cómo reconocer cada curva a partir de su ecuación y resuelve seis ejercicios de minimización o maximización de funciones cuadráticas sujetas a restricciones lineales, encontrando en cada caso los valores óptimos de las variables.
Este documento presenta varios métodos para calcular parámetros hidrológicos como la pendiente media de una cuenca. Incluye la aplicación del criterio de Alvord, Horton y Nash para calcular la pendiente, así como fórmulas para el tiempo de concentración, gasto de diseño y densidad de drenaje. Los cálculos se ilustran con un caso práctico de una cuenca en Sonora.
Este documento presenta los conceptos y procedimientos clave para el control de calidad interno en análisis clínicos. Explica cómo construir gráficas de Levey-Jennings para monitorear la precisión de los métodos, y cartas de control para detectar errores sistemáticos y aleatorios. También describe las reglas de Westgard, que establecen límites estadísticos para identificar datos fuera de control e implementar acciones correctivas que garanticen la calidad de los resultados.
Este documento introduce conceptos básicos sobre gráficas en física. Explica que las gráficas establecen relaciones entre cantidades medidas como posición, velocidad y aceleración para estudiar el movimiento de objetos. Luego describe los tipos de papel utilizados para graficar datos, incluyendo papel milimétrado, logarítmico y semilogarítmico. Finalmente, presenta ejemplos de cómo graficar y analizar datos experimentales.
Este documento describe cómo generar resúmenes estadísticos de datos aleatorios provenientes de distribuciones normales estándar y no estándar. Explica que aproximadamente menos del 1% de las observaciones de una distribución normal estándar estarán fuera de los bigotes en un gráfico de caja y bigotes. También muestra cómo calcular la pendiente e intersección de una línea de regresión entre cuartiles de distribuciones normales, cuyos valores son igual a la media y desviación estándar de la distribución no estándar, respectivamente
Este documento presenta los resultados de un experimento para calcular la pérdida de señal en una comunicación inalámbrica sin obstáculos a diferentes distancias. Se midió la señal entre un router y un portátil a distancias de 1 a 30 metros y se desarrolló una fórmula para calcular la pérdida de propagación basada en los datos recolectados. La fórmula desarrollada fue más precisa que la ecuación ideal comúnmente usada para este tipo de comunicaciones.
Este documento presenta varios ejercicios resueltos sobre estadística descriptiva univariante. Incluye cálculos de distribuciones de frecuencias, porcentajes, medidas de tendencia central y dispersión. Se piden tablas, gráficas y resúmenes de datos univariados sobre pesos, edades, temperaturas y otros atributos.
Este documento describe dos pruebas estadísticas para determinar si los datos históricos siguen una distribución teórica en particular: la prueba de chi-cuadrado y la prueba de Kolmogorov-Smirnov. La prueba de chi-cuadrado compara las frecuencias observadas con las esperadas de acuerdo a la distribución teórica, mientras que la prueba de Kolmogorov-Smirnov compara las funciones de distribución empírica y teórica. Ambas pruebas producen valores estadísticos que se compar
Este documento presenta una introducción a los sistemas digitales. Explica la diferencia entre sistemas digitales y analógicos, y entre sistemas combinatorios y secuenciales. También cubre conceptos básicos como sistemas numéricos, conversiones entre sistemas binarios, octales y hexadecimales, y operaciones aritméticas. Finalmente, introduce compuertas lógicas básicas como AND, OR y NOT.
1) La programación cuadrática minimiza funciones cuadráticas sujetas a restricciones lineales. 2) Se presentan ejemplos de cómo reconocer ecuaciones de circunferencias, elipses, hipérbolas y parábolas. 3) Se explica el algoritmo de ramificación y acotamiento para obtener soluciones enteras de problemas de programación cuadrática mediante la división del espacio de soluciones y el establecimiento de límites.
Este documento presenta el diseño de las vigas para un puente peatonal. Se calculan las cargas muertas y vivas que actuarán sobre el puente, y se dimensionan dos tipos de vigas - rectangular y en T - para satisfacer las solicitaciones de carga. El análisis incluye el cálculo de la cuantía de acero requerida, la resistencia a corte y el presupuesto de materiales. El diseño cumple con las normas vigentes para este tipo de estructuras.
El documento describe los procedimientos para realizar un control vertical topográfico mediante nivelaciones. Esto incluye la creación de una red de nivelación formada por puntos de referencia (BM) y circuitos de nivelación diferencial entre puntos consecutivos. Se especifican los errores de cierre tolerables dependiendo del orden de la red. También se detallan las especificaciones técnicas para llevar a cabo las mediciones de nivelación.
Similar a Control estadístico del proceso (spc) 3 (20)
4. Para sacar la media aritmética se suman los datos
por columna y se saca el promedio.
∑= 626 680 691 711 641 766 680 659 614 506 716 612 571 540 791 781 786 714 588 737
xm 125, 136 138, 142 128, 153 136, 131 122, 101 143, 122, 114, 108 158 156, 157 142 117 147
= 2 ,0 2 ,2 2 ,2 0 ,8 8 ,2 2 4 2 ,0 ,2 2 ,2 ,8 ,6 ,4
Se suman todas las medias y se saca el
promedio para tener la media de las
medias aritméticas y esta será el limite
central en la grafica.
LIMITE CENTRAL DE
LC= 134,1
CONTROL
5. Para sacar la desviación estándar se tiene que crear otra
tabla donde a cada dato se le reste la media de su columna
respectivamente y se elevé al cuadrado.
121, 408, 1616, 408, 1142, 316,
x1
492,8 0 23,0 0 0 1,4 289,0 0 4 38,4 27,0 269,0 60,8 9,0 60,8 27,0 3,2 8 54,8 5,8
519, 104, 289, 432, 2284, 635,
x2
331,2 81,0 829,4 8 432,6 0 841,0 14,4 33,6 10,2 139,2108,2 27,0 0 6 8 0 96,0 6,8 11,6
144, 3721, 888, 1831, 139, 605,
x3
219,0 0 295,8 7,8 0,0 0,6 0 17,6 0,0 0 665,6 2,0 8 4,0 27,0 295,8 27,0 2 2 6,8
729, 231, 282, 566, 125, 1062, 368, 316, 449,
x4
51,8 0 316,8 0 0,0 2 361,0 4 84,6 4 77,4 8 635,0 4,0 6 331,2 8 4 92,2 5,8
1075, 1169, 1697, 324, 116, 331, 864,
x5
8 25,0 6 96,0 392,0 38,4 16,0 10,2 912,0 84,6 4 19,4 408,0 0 17,6 51,8 6 2 4 31,4
Después de tener la tabla se suman los resultados por columna
y se saca el promedio para obtener la varianza.
Se le saca la raíz cuadrada a cada varianza para obtener la
desviación estándar de cada columna.
∑= 2170 1100 2634 126 2440 426, 5228 101 2172 1146 2606 1461 2962 630, 906, 2990 109 133 162 61,2
,80 ,00 ,80 2,80 ,80 80 ,00 6,80 ,80 ,80 ,80 ,20 ,80 00 80 ,80 8,80 2,80 3,20 0
434, 220, 526, 252, 488, 85,3 1045 203, 434, 229, 521, 292, 592, 126, 181, 598, 219, 266, 324, 12,2
S2 = 16 00 96 56 16 6 ,60 36 56 36 36 24 56 00 36 16 76 56 64 4
20,8 14,8 22,9 15,8 22,0 32,3 14,2 20,8 15,1 22,8 17,1 24,3 11,2 13,4 24,4 14,8 16,3 18,0
s= 4 3 6 9 9 9,24 4 6 5 4 3 0 4 2 7 6 2 3 2 3,50
6. Se suman los resultados y se saca el S= 17,7
promedio para obtener la desviación
estándar promedio.
Para graficar se toma como limite
centra (CL) a la media de las medias
Para el limite superior (UCL) se debe
aritméticas
hacer la siguiente formula:
Para el limite inferior (LCL) se debe UCL= xm+A3*S
hacer la siguiente formula:
LCL= xm-A3*S
media aritmética de las medias
aritméticas
159,39 LIMITE SUPERIOR DE
UCL=
5 CONTROL
LIMITE CENTRAL DE
LC= 134,1
CONTROL
LIMITE INFERIOR DE
LCL= 108,8
CONTROL
7. Ya cuando se tienen los limites de control y las medias
por columna se grafica.
180.0
160.0
140.0
120.0
100.0
80.0
60.0
40.0
20.0
0.0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Esta grafica nos muestra que
existe un problema en la
producción ya que existen 2
puntos fuera de los limites de
control.
8. Para obtener la grafica de desviaciones estándar, se grafica con los
datos que obtuvimos de la tabla de las desviación estándar.
20,8 14, 22,9 15, 22,0 9,2 32,3 14, 20,8 15, 22,8 17,1 24,3 11, 13, 24,4 14, 16, 18, 3,5
s= 4 83 6 89 9 4 4 26 5 14 3 0 4 22 47 6 82 33 02 0
Como limite central se toma el
Para el limite superior se hace la promedio de las desviaciones estándar.
siguiente formula:
Para el limite inferior se hace la
UCL= B4*s.
siguiente formula:
LCL= B3*s
MEDIA ARIT. DE LAS DESVIACIONES
ESTANDAR
LIMITE SUPERIOR DE
UCL= 37,0301
CONTROL
LIMITE CENTRAL DE
S= 17,7
CONTROL
LIMITE INFERIOR DE
LCL= 0,0
CONTROL
9. Ya cuando se tienen los limites de control y las desviaciones
estándar por columna, se grafica.
40.0
35.0
30.0
25.0
20.0
15.0
10.0
5.0
0.0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Este grafico nos muestra que existe un problema en
la producción ya que existen 14 puntos alternando en
dirección creciente y decreciente.